[Monthly Project I] 데이터 시각화 웹 페이지 만들기

---

[Pokemon with stats] | (https://www.kaggle.com/abcsds/pokemon)

추억의 포켓몬스터 관련 Dataset

• 총 6개 세대의 포켓몬 중 가장 친숙한 1 세대 데이터를 이용
• 1세대의 속성별 분포 와 능력치별 특징 을 알아 본다.

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

%matplotlib inline

~영어이름이라 덜 친숙하다.~

df = pd.read_csv("./Pokemon.csv")

df

	#	Name	Type 1	Type 2	Total	HP	Attack	Defense	Sp. Atk	Sp. Def	Speed	Generation	Legendary
0	1	Bulbasaur	Grass	Poison	318	45	49	49	65	65	45	1	False
1	2	Ivysaur	Grass	Poison	405	60	62	63	80	80	60	1	False
2	3	Venusaur	Grass	Poison	525	80	82	83	100	100	80	1	False
3	3	VenusaurMega Venusaur	Grass	Poison	625	80	100	123	122	120	80	1	False
4	4	Charmander	Fire	NaN	309	39	52	43	60	50	65	1	False
...	...	...	...	...	...	...	...	...	...	...	...	...	...
795	719	Diancie	Rock	Fairy	600	50	100	150	100	150	50	6	True
796	719	DiancieMega Diancie	Rock	Fairy	700	50	160	110	160	110	110	6	True
797	720	HoopaHoopa Confined	Psychic	Ghost	600	80	110	60	150	130	70	6	True
798	720	HoopaHoopa Unbound	Psychic	Dark	680	80	160	60	170	130	80	6	True
799	721	Volcanion	Fire	Water	600	80	110	120	130	90	70	6	True

800 rows × 13 columns

이번 EDA에는 1세대만 이용할 예정

df_g1 = df[df['Generation'] == 1]

df_g1

	#	Name	Type 1	Type 2	Total	HP	Attack	Defense	Sp. Atk	Sp. Def	Speed	Generation	Legendary
0	1	Bulbasaur	Grass	Poison	318	45	49	49	65	65	45	1	False
1	2	Ivysaur	Grass	Poison	405	60	62	63	80	80	60	1	False
2	3	Venusaur	Grass	Poison	525	80	82	83	100	100	80	1	False
3	3	VenusaurMega Venusaur	Grass	Poison	625	80	100	123	122	120	80	1	False
4	4	Charmander	Fire	NaN	309	39	52	43	60	50	65	1	False
...	...	...	...	...	...	...	...	...	...	...	...	...	...
161	149	Dragonite	Dragon	Flying	600	91	134	95	100	100	80	1	False
162	150	Mewtwo	Psychic	NaN	680	106	110	90	154	90	130	1	True
163	150	MewtwoMega Mewtwo X	Psychic	Fighting	780	106	190	100	154	100	130	1	True
164	150	MewtwoMega Mewtwo Y	Psychic	NaN	780	106	150	70	194	120	140	1	True
165	151	Mew	Psychic	NaN	600	100	100	100	100	100	100	1	False

166 rows × 13 columns

결측치가 존재하는지 확인해본다.

• Type2에서 88개의 결측치가 존재한다.
  • 해당 결측치는 한가지 속성만 가진 (단일속성) 포켓몬이 존재하기 때문

df_g1.isnull().sum()

#              0
Name           0
Type 1         0
Type 2        88
Total          0
HP             0
Attack         0
Defense        0
Sp. Atk        0
Sp. Def        0
Speed          0
Generation     0
Legendary      0
dtype: int64

1세대(Generation l) 만 알아볼것이다.

그런데 번호가 이상함을 알수 있다

• 1세대 포켓몬은 총 151마리
  • 그런데 165마리가 나온다.

1세대만 존재할때는 없었던 Mega 진화된 포켓몬이 껴있기 때문!!

• 진화를 제거해 주어 우리가 알던 순수한 1세대를 알아본다.

df_g1['Name'].str.contains('Mega').sum()

15

g1_df = df_g1[df_g1['Name'].str.contains('Mega') == False]
g1_df

	#	Name	Type 1	Type 2	Total	HP	Attack	Defense	Sp. Atk	Sp. Def	Speed	Generation	Legendary
0	1	Bulbasaur	Grass	Poison	318	45	49	49	65	65	45	1	False
1	2	Ivysaur	Grass	Poison	405	60	62	63	80	80	60	1	False
2	3	Venusaur	Grass	Poison	525	80	82	83	100	100	80	1	False
4	4	Charmander	Fire	NaN	309	39	52	43	60	50	65	1	False
5	5	Charmeleon	Fire	NaN	405	58	64	58	80	65	80	1	False
...	...	...	...	...	...	...	...	...	...	...	...	...	...
159	147	Dratini	Dragon	NaN	300	41	64	45	50	50	50	1	False
160	148	Dragonair	Dragon	NaN	420	61	84	65	70	70	70	1	False
161	149	Dragonite	Dragon	Flying	600	91	134	95	100	100	80	1	False
162	150	Mewtwo	Psychic	NaN	680	106	110	90	154	90	130	1	True
165	151	Mew	Psychic	NaN	600	100	100	100	100	100	100	1	False

151 rows × 13 columns

g1_df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 151 entries, 0 to 165
Data columns (total 13 columns):
 #   Column      Non-Null Count  Dtype 
---  ------      --------------  ----- 
 0   #           151 non-null    int64 
 1   Name        151 non-null    object
 2   Type 1      151 non-null    object
 3   Type 2      67 non-null     object
 4   Total       151 non-null    int64 
 5   HP          151 non-null    int64 
 6   Attack      151 non-null    int64 
 7   Defense     151 non-null    int64 
 8   Sp. Atk     151 non-null    int64 
 9   Sp. Def     151 non-null    int64 
 10  Speed       151 non-null    int64 
 11  Generation  151 non-null    int64 
 12  Legendary   151 non-null    bool  
dtypes: bool(1), int64(9), object(3)
memory usage: 13.7+ KB

l. 1세대 포켓몬들의 속성별 분포를 알아본다.

• 속성이 하나인 경우와 속성이 두가지인 경우를 따로본다.

~사실 여기서 포켓몬을 좋아했다면 이상한 점을 발견할 수 있다.~

~(사실 Fairy 요정 타입은 1세대 때는 없었고 추후에 추가되어 1세대 포켓몬에도 부여된것...)~

def types(data, n_type, name, title):
    pokemon_dist = data.groupby(n_type)[name].count()
    pie, ax = plt.subplots(figsize = [10, 10])
    labels = pokemon_dist.keys()
    plt.pie(x = pokemon_dist, autopct = '%.1f%%', explode = [0.05]*labels.nunique(), labels = labels, pctdistance = 0.5)
    plt.title(title)
    plt.show()

(1) 한가지 속성을 갖는 포켓몬의 속성 분포

types(data = g1_df, n_type = 'Type 1', name = 'Name', title = 'Pokemon Type 1 Distribution')

(2) 두 가지 속성을 같이 갖는 포켓몬의 속성 분포

types(data = g1_df, n_type = 'Type 2', name = 'Name', title = 'Pokemon Type 1 Distribution')

Max Status of Each Pokemon (Generation 1)

각 포켓몬의 능력치중 최대치를 가지는 포켓몬을 알아본다.

• 밑에서 그래프로 추가

status = ['Total','Attack','Defense','Sp. Atk','Sp. Def','Speed']
print('Generation ',1,' Pokemon Max Status')
for i in status:
    maxstats = g1_df.loc[g1_df[i]==g1_df[i].max(),'Name']
    print('Max ',i,' : ',maxstats.values,g1_df[i].max())

Generation  1  Pokemon Max Status
Max  Total  :  ['Mewtwo'] 680
Max  Attack  :  ['Dragonite'] 134
Max  Defense  :  ['Cloyster'] 180
Max  Sp. Atk  :  ['Mewtwo'] 154
Max  Sp. Def  :  ['Articuno'] 125
Max  Speed  :  ['Electrode'] 140

Pokemon Status Distribution (Density Chart)

pd.set_option('mode.chained_assignment',  None) # <==== 경고를 끈다

g1_df['Type 1 + Type 2'] = g1_df['Type 1'] +' '+ g1_df['Type 2']

g1_df['Average'] = (g1_df.copy()['Total']/6).round(1)

ll. 각 능력치별 분포 정도를 알아본다.

 def status(color):
    f, ax = plt.subplots(figsize=(20,20))
    n = 1
    c = 'tab:'+ color
    print('Generation ',1,' Pokemon Status Distribution')
    for i in ['Total','HP','Attack','Defense','Sp. Atk','Sp. Def','Speed','Average']:
        plt.subplot(4,2,n)
        x = g1_df[i]
        ax = sns.histplot(x, bins=10, color = c, kde=True, stat="density", linewidth=0)
        n = n + 1

status('blue')

Generation  1  Pokemon Status Distribution

Boxplot for Pokemon Status

stats_df = g1_df.drop(['Total', 'Legendary', 'Generation', '#'], axis=1)
plt.figure(figsize=(15,10))
sns.boxplot(data=stats_df)
plt.title('Generation 1 Pokemon Status Boxplot', size = 14)

Text(0.5, 1.0, 'Generation 1 Pokemon Status Boxplot')

from math import pi
from matplotlib.path import Path
from matplotlib.spines import Spine
from matplotlib.transforms import Affine2D

lll. 각 속성별 분포를 알아본다. (Pokemon Type Population)

• 각 속성별로 얼마나 분포 되어 있는지 눈에 잘 보이도록 정리하는 방법이 있었다.

여기서는 Type 2의 결측치가 없으면 한가지 속성만 가지는 경우가 명확히 보이지 않는다.

• 결측치를 None 이라는 값으로 바꿔주어 표시
  • None 이라고 되어 있는 부분은 메인이 되는 한 가지 속성만 가지고 있다는 것

type1_2 = pd.DataFrame({'count' : g1_df.fillna('None').groupby( [ "Type 1",'Type 2'] ).size()}).reset_index()
type1_2.head()

	Type 1	Type 2	count
0	Bug	Flying	2
1	Bug	Grass	2
2	Bug	None	3
3	Bug	Poison	5
4	Dragon	Flying	1

import plotly.express as px

색을 원하는대로 설정하지 못해 거슬리긴 하지만 한눈에 전체적인 분포가 눈에 보인다.

fig = px.treemap(type1_2, names = 'Type 2', values = 'count', path = ['Type 1', 'Type 2'], 
                 color_discrete_sequence = px.colors.qualitative.Set1, width = 900, height = 600)
fig.show()

속성별 분포 정도를 알아본다.

• Bar plot이 더 눈에 잘 들어오는것 같다.
  • 물속성과 노멀 속성이 가장 많음을 알 수 있다.

plt.figure(figsize=(15,10))
sns.countplot(x='Type 1', data=g1_df,order = g1_df['Type 1'].value_counts().index)
plt.xticks(rotation = 45)
plt.show()

두가지 속성을 가지는 경우는 따로 표시한다. 여기서 None은 위의 한가지 속성만 가지는 포켓몬의 분포

• 2가지 타입의 경우 비행 타입과 독 타입을 두번째 속성으로 가지는 경우가 많음을 볼 수 있다.

plt.figure(figsize=(15,10))
sns.countplot(x='Type 2', data=g1_df.fillna('None'), order = g1_df.fillna('None')['Type 2'].value_counts().index)
plt.xticks(rotation = 45)
plt.show()

lV. 평균 / 최대치 / 각 속성별 최대치의 능력을 가진 포켓몬을 알아보고 그것을 비교해 본다.

속성별 평균치 계산

average_df=g1_df.mean()
average_df

#              76.000000
Total         407.079470
HP             64.211921
Attack         72.549669
Defense        68.225166
Sp. Atk        67.139073
Sp. Def        66.019868
Speed          68.933775
Generation      1.000000
Legendary       0.026490
Average        67.846358
dtype: float64

속성별 최대치 계산

max_df=g1_df.max()
max_df

#               151
Name          Zubat
Type 1        Water
Total           680
HP              250
Attack          134
Defense         180
Sp. Atk         154
Sp. Def         125
Speed           140
Generation        1
Legendary      True
Average       113.3
dtype: object

총합이 가장 큰순으로 확인해본다.

g1_df['Total'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)

Name
Mewtwo       680
Dragonite    600
Mew          600
Articuno     580
Moltres      580
            ... 
Metapod      205
Kakuna       205
Magikarp     200
Caterpie     195
Weedle       195
Name: Total, Length: 151, dtype: int64

V. 전체를 능력치의 총합 순으로 정렬해본다.

• 최강캐는 Mewtwo : 뮤츠
• 최약캐는 Caterpie : 캐터피 임을 알 수 있다.

fig, ax = plt.subplots(1, 1, figsize=(50,5))
sorted_df = g1_df.groupby(['Name'])['Total'].mean().to_frame().sort_values(by = 'Total', ascending = False)
sns.barplot(x = sorted_df.index, y= 'Total', data = sorted_df)

plt.xlabel('Name')
plt.xticks(fontsize=15, rotation=90) # when X tick labels are long
plt.title("Total Status of Pokemon", fontsize = 30)

plt.show()

Vl. 각 속성별 최대치와 그 포켓몬을 알아본다.

• status = ['Total','Attack','Defense','Sp. Atk','Sp. Def','Speed']

총합 최강캐는 Mewtwo : 뮤츠

• 잡기가 힘들어서 그렇지 1세대에서는 세계관도, 능력치도 역시 최강캐답다.

total = g1_df['Total'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)
total.index[0]

'Mewtwo'

체력 괴물은 Chansey : 럭키

• ~게임에서도 쓸데없이 체력만 높고 다른 스택은 낮기로 유명하다.~

hp = g1_df['HP'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)
hp.index[0]

'Chansey'

공격력 1등은 누가 뭐래도 Dragonite : 망나뇽

• 게임에서 필수캐릭에 가까운 역시 망나뇽

attack = g1_df['Attack'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)
attack.index[0]

'Dragonite'

방어력 괴물은 Cloyster : 파르셀

• 단단한 껍질에 둘러쌓인 비주얼 답게 빵빵한 방어력을 자랑한다.

defense = g1_df['Defense'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)
defense.index[0]

'Cloyster'

특수 공격도 뮤츠가 1등이다.

spatk = g1_df['Sp. Atk'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)
spatk.index[0]

'Mewtwo'

특수 방어 1등은 `Articuno : 프리져'

• 전설의 3마리 새 포켓몬중 하나
• 게임에서도 많이 기용된다.

spdef = g1_df['Sp. Def'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)
spdef.index[0]

'Articuno'

마지막으로 속도 1등은 Electrode : 붐볼

• ~찌리리공의 진화형으로 게임에서는 쓸데없이 맨날 자폭하는거만 본거같다.~

speed= g1_df['Speed'].groupby(by = g1_df['Name']).max().sort_values(ascending = False)
speed.index[0]

'Electrode'

max_p = pd.concat([g1_df[(g1_df['Name'] == total.index[0])], g1_df[(g1_df['Name'] == hp.index[0])], g1_df[(g1_df['Name'] == attack.index[0])], 
          g1_df[(g1_df['Name'] == defense.index[0])], g1_df[(g1_df['Name'] == spatk.index[0])], g1_df[(g1_df['Name'] == spdef.index[0])],
          g1_df[(g1_df['Name'] == speed.index[0])]])

max_p

	#	Name	Type 1	Type 2	Total	HP	Attack	Defense	Sp. Atk	Sp. Def	Speed	Generation	Legendary	Type 1 + Type 2	Average
162	150	Mewtwo	Psychic	NaN	680	106	110	90	154	90	130	1	True	NaN	113.3
121	113	Chansey	Normal	NaN	450	250	5	5	35	105	50	1	False	NaN	75.0
161	149	Dragonite	Dragon	Flying	600	91	134	95	100	100	80	1	False	Dragon Flying	100.0
98	91	Cloyster	Water	Ice	525	50	95	180	85	45	70	1	False	Water Ice	87.5
162	150	Mewtwo	Psychic	NaN	680	106	110	90	154	90	130	1	True	NaN	113.3
156	144	Articuno	Ice	Flying	580	90	85	100	95	125	85	1	True	Ice Flying	96.7
109	101	Electrode	Electric	NaN	480	60	50	70	80	80	140	1	False	NaN	80.0

추출한 데이터를 제대로 옯기지 못해 결국 위를 보고 옯겨 적어버렸다.

### 데이터 준비

df = pd.DataFrame({
'Character': ['Average', 'Max_Each', 'Mewtwo', 'Chansey', 'Dragonite', 'Cloyster', 'Mewtwo', 'Articuno', 'Electrode'],
'HP': [64, 250, 106, 250, 91, 50, 106, 90, 60],
'Attack': [72, 134, 110, 5, 134, 95, 110, 85, 50],
'Defense': [68, 180, 90, 5, 95, 180, 90, 100, 70],
'Sp. Atk': [67, 154, 154, 35, 100, 85, 154, 95, 80],
'Sp. Def': [66, 125, 90, 105, 100, 45, 90, 125, 80],
'Speed': [69, 140, 130, 50, 80, 70, 130, 85, 140]
})

Vll. 각 능력치의 정도를 보기 좋게 나타내 본다.

• 평균치 / 최대치
• 각 능력치별 최대치 포켓몬의 전체 능력치
• 각각을 나타내고 최종적으로 한개의 표에 육각의 모형 안에 넣어 본다.

## 따로 그리기
labels = df.columns[1:]
num_labels = len(labels)
    
angles = [x/float(num_labels)*(2*pi) for x in range(num_labels)] ## 각 등분점
angles += angles[:1] ## 시작점으로 다시 돌아와야하므로 시작점 추가
    
my_palette = plt.cm.get_cmap("Set2", len(df.index))
 
fig = plt.figure(figsize=(15,20))
fig.set_facecolor('white')
 
for i, row in df.iterrows():
    color = my_palette(i)
    data = df.iloc[i].drop('Character').tolist()
    data += data[:1]
    
    ax = plt.subplot(4,3,i+1, polar=True)
    ax.set_theta_offset(pi / 2) ## 시작점
    ax.set_theta_direction(-1) ## 그려지는 방향 시계방향
    
    plt.xticks(angles[:-1], labels, fontsize=13) ## x축 눈금 라벨
    ax.tick_params(axis='x', which='major', pad=15) ## x축과 눈금 사이에 여백을 준다.
 
    ax.set_rlabel_position(0) ## y축 각도 설정(degree 단위)
    plt.yticks([0,50,100,150,200,250],['0','50','100','150','200','250'], fontsize=10) ## y축 눈금 설정
    plt.ylim(0,250)
    
    ax.plot(angles, data, color=color, linewidth=2, linestyle='solid') ## 레이더 차트 출력
    ax.fill(angles, data, color=color, alpha=0.4) ## 도형 안쪽에 색을 채워준다.
    
    plt.title(row.Character, size=20, color=color,x=-0.2, y=1.2, ha='left') ## 타이틀은 캐릭터 클래스로 한다.
 
plt.tight_layout(pad=5) ## subplot간 패딩 조절
plt.show()


## 하나로 합치기 - 폴리곤
labels = df.columns[1:]
num_labels = len(labels)
    
angles = [x/float(num_labels)*(2*pi) for x in range(num_labels)] ## 각 등분점
angles += angles[:1] ## 시작점으로 다시 돌아와야하므로 시작점 추가
    
my_palette = plt.cm.get_cmap("Set2", len(df.index))
 
fig = plt.figure(figsize=(8,8))
fig.set_facecolor('white')
ax = fig.add_subplot(polar=True)
for i, row in df.iterrows():
    color = my_palette(i)
    data = df.iloc[i].drop('Character').tolist()
    data += data[:1]
    
    ax.set_theta_offset(pi / 2) ## 시작점
    ax.set_theta_direction(-1) ## 그려지는 방향 시계방향
    
    plt.xticks(angles[:-1], labels, fontsize=13) ## x축 눈금 라벨
    ax.tick_params(axis='x', which='major', pad=15) ## x축과 눈금 사이에 여백을 준다.
    ax.set_rlabel_position(0) ## y축 각도 설정(degree 단위)
    plt.yticks([0,50,100,150,200,250],['0','50','100','150','200','250'], fontsize=10) ## y축 눈금 설정
    plt.ylim(0,250)
    
    ax.plot(angles, data, color=color, linewidth=2, linestyle='solid', label=row.Character) ## 레이더 차트 출력
    ax.fill(angles, data, color=color, alpha=0.4) ## 도형 안쪽에 색을 채워준다.
    
for g in ax.yaxis.get_gridlines(): ## grid line 
    g.get_path()._interpolation_steps = len(labels)
 
spine = Spine(axes=ax,
          spine_type='circle',
          path=Path.unit_regular_polygon(len(labels)))
 
## Axes의 중심과 반지름을 맞춰준다.
spine.set_transform(Affine2D().scale(.5).translate(.5, .5)+ax.transAxes)
           
ax.spines = {'polar':spine} ## frame의 모양을 원에서 폴리곤으로 바꿔줘야한다.
 
plt.legend(loc=(0.9,0.9))
plt.show()

결론 및 감상

- 각 포켓몬의 속성과 능력치의 분포를 알아보았다.

- 추억이 새록 새록 떠오르며, 게임을 했을 때 기용하는 포켓몬과 그 이유를 다시금 깨닫게 되었다.

- 한가지 능력치가 좋다고 해서 다른 능력치들이 좋은게 아니며

- 그저 능력치 좋은 포켓몬들이 있을 뿐이다.

- 게임을 할 시절에는 플레이하면서 이런식으로 분포를 알아본적이 없었기에 속성 분포가 새롭게 느껴졌다.

- 능력치 분포를 보며 느끼는것은 각 능력의 최대치 에 비해 각 포켓몬의 능력치는 모든 능력치가 최대치를 찍는 경우는 없게 밸런스가 잘 짜여진 게임이었음을 다시금 느낀다.